小k同学！-CSDN博客

原创 plt.pcolormesh()中遇到TypeError:Dimensions of C (..., xxx) are incompatible with X (...) and/or Y (xxx)

前言这几天在使用matplotlib绘制功率谱的时候遇到了TypeError的问题，一下子给我干懵了。出现问题的原因这里的X是第二维度，Y才是第一维度，所以我们只需要将X、Y的位置互换就能够解决如上问题了。举个例子# 错误的写法plt.pcolormesh(X, Y, (X维度对应的数据，Y维度对应的数据))改正错误：plt.colormesh(X, Y, (Y维度对应的数据，X维度对应的数据))希望这篇文章对大家的学习有所帮助！祝大家10.24程序员日快乐，天天写代码没bug

2021-10-24 20:22:31 10101 1

原创机器学习PCA学习(主成分分析)

前言主成分分析(Principal Components Analysis)，简称PCA，一种数据降维技术，常用于数据处理这一方面，好比说我们的数据集中有100个特征，这些特征可能有共性、无用的信息，或者我们想要将多特征融合，此时我们就需要用到PCA降维技术。PCA实现原理通俗来说，就是将数据从原始的向量空间转换到新的特征空间中去。比如：我们有在原始向量空间中的四维数据(a,b,c,d)，需要将其降到三维，那么原理是通过某种方法，用新的坐标(a0,b0,c0,d0)来表示原始坐标。(在新的特征空间中，

2021-10-21 09:06:49 693

原创 np.linalg.norm()用法总结

前言np.linalg.norm()用于求范数，linalg本意为linear(线性) + algebra(代数)，norm则表示范数。用法np.linalg.norm(x, ord=None, axis=None, keepdims=False)1.x: 表示矩阵(一维数据也是可以的~)2.ord: 表示范数类型向量的范数：矩阵的向量：ord=1：表示求列和的最大值ord=2：|λE-ATA|=0，求特征值，然后求最大特征值得算术平方根ord=∞：表示求行和的最大值ord=Non

2021-10-17 17:09:07 86155 3

原创你是否有过出现图片有色差色偏的问题(python用matplotlib显示opencv绘制的图像)

问题描述在使用plt.savefig()保存图片后，再使用cv2.imread读取该图片文件的时候，会出现色差色偏的问题(即为红变蓝，蓝变红)。出现色差色偏的图片：原图片：问题出现的原因cv2.imread() 读取图像格式为BGR(由于以前流行BGR的图像显示方式，但近几年来改为流行RGB的图像显示格式)，而 matplotlib 里面的图像显示的格式为RGB因此cv.imread()读取matplotlib保存下来的文件会导致色差色偏的问题。解决方法import cv2 as cv

2021-10-10 20:46:55 1809

原创解决用plt.savefig()保存opencv绘制图片后，matplotlib绘制图的第一张图片会被挤压的问题

问题描述在使用 cv.seamlessClone() 来融合图像，再使用 **plt.imshow() **、 plt.savefig() 来保存融合的图像后，再使用 plt.pcolormesh() 绘图，会导致如下图的情况。解决过程在网上查询了相关资料后，没有得到有效的解决方法，再经历几个小时的分段调试代码后，终于发现了出现问题的位置。解决方案将plt.imshow()plt.savefig(保存文件路径)改为： cv.imencode('.jpg',绘制的图像)[1].tofil

2021-10-10 10:41:42 5124

原创 cv2.imread读取中文路径的图片会返回None的解决方案

问题描述opencv不接受non-ascii的路径，再读取有中文路径的图片时，会返回None，刚开始我以为是我的路径出现了问题，折腾了好久，才发现这个问题。解决方案我们先使用np.fromfile()读取中文路径，将其转为np.uint8格式，再使用*cv2.imdecode()*进行解码。cv2.imdecode(np.fromfile(file_path, dtype=np.uint8), 0)希望这篇文章对大家有所帮助！...

2021-10-08 09:34:38 479

原创卷积神经网络图像分类学习笔记(tensorflow keras)

Conv2D卷积层，用于从输入的高维数组中提取特征；Conv2D中的filter就是特征映射，用于提取图像中的某一特征，filter的数量决定了卷积输出特征个数或者输出深度。用法Conv2D(filters, kernel_size, strides, padding, activation, intput_shape)1.filters: 过滤器数量2.kernel_size: 指定方形卷积窗口的高和宽的大小3.strides: 卷积步长，默认为14.padding: 卷积如何处理边缘，参

2021-10-06 16:08:58 386

原创信号分析的短时傅里叶变换(scipy.signal.stft)

概述短时傅里叶变换定义了一个非常有用的时间和频率分布类，其制定了任意信号时间和频率变换的附属幅度，短时傅里叶变换的实质就是把一个比较长的时间信号分成相同长度的更短的段，在每个短的段上计算傅里叶得到傅里叶频谱图。...

2021-10-02 15:32:16 8320 3

原创心电信号详细介绍

心电信号的介绍心电图(electrocardiogram，简称ECG)，采取心脏兴奋的电活动过程，它再心脏基本功能以及病理研究方面具有重要的参考价值。1.P波：是心电信号的准周期出现的第一个波。2.QRS波群：由向下的Q波、尖高向上的R波以及与R波相连并向下的S波组成。3.T波：幅度不应低于同导连R波的1/10。常见的干扰1.肌电干扰肌电干扰主要来源于肌肉活动时，肌肉细胞的电位变化，一般来源于肌肉的收缩和颤动，这样的干扰幅值较小，但频率较高，其频率在5Hz~2000Hz，表现为为不规则快速

2021-09-18 20:05:15 11555

原创 python 将xml转换成txt文件(xml.etree方法)

概述先来介绍一下xml格式的文件，从数据分析的角度去看xml格式的数据集，具有以下的优点开放性(能在任何平台上读取和处理数据，允许通过一些网络协议交换xml数据)、简单性(纯文本，能在不同的系统之间交换数据)、结构和内容分离(不同于HTML，数据的显示和数据本身是分开的)、可扩展性(派生出其他标记语言)问题描述那么我们在进行数据分析的时候，如何运用xml里面的数据呢？我们就需要将这类文件转化成其他类型的文件。(其实我认为说成提取xml的数据组成新的类型文件比较好一点)就我个人的观点，处理这方面的

2021-09-12 20:40:43 3696 3

原创吴恩达深度学习课程第二周编程作业

题目描述给出训练数据集(猫的图片)来让我们搭建一个简单的神经网络识别猫。数据集描述训练集中有209张图片，每张图片的形状为(64， 64，3)测试集中有50张图片，每张图片的形状为(64， 64，3)classes中保存的是以bytes类型保存的两个字符串数据，分别是[b’non-cat’, b’cat’]分类标签为{0,1}。0表示不是猫，1表示是猫数据集下载Github地址：仅供参考(内含完整代码和数据集资源)代码实现构造加载数据集函数再吴恩达的课程中已经给出加载数据集的代码im

2021-09-12 09:09:20 401

原创 WARNING: The script markdown_py.exe is installed in......

问题描述在安装tensorflow-gpu出现如下报错：WARNING: The script markdown_py.exe is installed in 'C:\Users\SilentCat\AppData\Roaming\Python\Python38\Scripts' which is not on PATH.问题根源'C:\Users\SilentCat\AppData\Roaming\Python\Python38\Scripts’路径没有写到path里，如果不处理很有可能导入不了

2021-09-09 08:40:00 2071 1

原创 python数据分析项目实战波士顿房价预测——手写梯度下降法

导入所需要的库import numpy as npimport pandas as pdfrom matplotlib import font_manager as fm, rcParamsimport matplotlib.pyplot as pltfrom sklearn.model_selection import train_test_split # 用于分割数据集将sklearn中的data数据转换成csvimport pandas as pdfrom sklearn.datas

2021-09-06 09:49:06 2794 4

原创将sklearn中的data数据集转换成csv文件

前言前几天在做波士顿房价预测的时候，发现了sklearn中data数据集并不像我们平常处理csv格式的数据集一样，csv中的数据可读性更高。操作import pandas as pdfrom sklearn.datasets import ......xxx = ......()df = pd.DataFrame(xxx.data,columns=xxx.feature_names)df['target'] = boston['target']df.to_csv('./xxx.csv',

2021-09-05 23:48:24 1303

原创 np.arange()用法总结

概述np.arange()返回一个有起点和终点的固定步长的排列(即为等差数列)。用法np.arange([start, ]stop, [step, ]dtype = None)当输入参数为一个时，输入的为终点值，默认起点值为0，步长为1例子import numpy as npx = np.arange(4)xOUT:2.import numpy as npx = np.arange(1,4)xOUT:import numpy as npx = np.ar

2021-09-05 23:33:09 3752

原创 np.power()用法总结

概述np.power()用于数组元素求n次方。用法np.power(x1,x2)x1和x2可以是整数类型或数组或者array类型。x1和x2的列数要相同例子import numpy as npx1 = 2x2 = 3result = np.power(x1,x2)resultOUT:import numpy as npx1 = np.array([[0,1],[2,3]])x2 = np.array([[3,4],[4,5]])result = np.p

2021-09-05 11:22:30 28100 3

原创 tf.concat()用法总结

概述tf.concat用于拼接张量(tensor)。用法tf.concat([tensor1, tensor2, tensor3, ......], axis)当axis=0时，表示在第0个维度拼接；当axis=1时，表示在第1个维度如果对于一个形状为二维矩阵的tensor来说，第0个维度表示的最外层方括号下的子集，第1个维度表示的是内部方括号下的子集。tf.concat()拼接的张量只会改变一个维度，其他维度是保持不变的。(对于三维矩阵的拼接，axis的取值范围[0, 1, 2]，以此类推

2021-09-03 18:02:47 4284

原创 python数据分析项目实战——波士顿房价预测

概述波士顿房价预测是机器学习、数据分析入门的经典案例。下面我们通过这个案例来一起学习相关内容。数据集描述此数据源于美国某经济学杂志上，分析研究波士顿房的数据集，共有506个样本数据，13个输入特征和1个输出特征。名称说明CRIM城镇人均犯罪率ZN住宅地所占的比例INDUS城镇非住宅地所占比例CHAS是否临近Charies RiverNOX一氧化氮浓度RM屋子的平均房间数AGE1940年之前建成的自住单位的比例DIS距离5个

2021-09-03 09:04:52 2415

原创 python数据分析项目实战波士顿房价预测——简单线性回归

前言本篇文章仅仅使用了sklearn中的linear_model来进行预测模型，作为学习机器学习和数据分析的开始。接下来我会更加深入学习，为大家带来更好的文章。导入所需要的库from sklearn.datasets import load_boston # 数据集import pandas as pdfrom pandas import Series, DataFrameimport numpy as npimport matplotlib.pyplot as plt加载数据集和查看数据

2021-09-03 09:03:29 12676 8

原创机器学习中MinMaxScaler

概述MinMaxScaler将通过估计器分别缩放和转换每个元素成给定范围的值。(如：[0, 1]之间的值)数学公式X_std = (X - X.min(axis=0)) / (X.max(axis=0) -X.min(axis=0))X_scaled = X_std * (max - min) + min其中min，max为feature_range的范围(feature_range为MinMaxScaler的参数可以设置最终转换的范围)实际转换过程公式如下：X_scaled = scale

2021-09-03 00:34:00 15240 1

原创 tf.keras.layers.Conv2D用法总结

概述tf.keras.layers.Conv2D()函数用于描述卷积层。用法tf.keras.layers.Conv2D( filters, kernel_size, strides=(1, 1), padding='valid', data_format=None, dilation_rate=(1, 1), activation=None)1.filter：卷积核的个数2.kenel_size：卷积核尺寸，如果是正方形，则用一

2021-09-02 08:32:26 18440 3

原创 tf.nn.relu()用法总结

概述relu称为线性整流函数(修正线性单元)，tf.nn.relu()用于将输入小于0的值增幅为0，输入大于0的值不变。用法tf.nn.relu(features, name=None)例子import tensorflow as tftf.compat.v1.disable_eager_execution()sess = tf.compat.v1.Session()a = tf.constant([-1.0,2.0])a = tf.nn.relu(a)print(sess.run(

2021-08-30 21:42:06 6300

原创 np.ones用法总结

概述np.ones()函数返回给定形状和数据类型的新数组，其中元素的值设置为1。此函数与numpy zeros()函数非常相似。用法np.ones(shape, dtype=None, order='C')1.shape：一个整数类型或者一个整数元组，用于定义数组的大小。如果仅指定一个整数类型变量，则返回一维数组。如果指定的是整数元组，则返回给定形状的数组。2.dtype：可选参数，默认值为float。用于指定数组的数据类型。3.order：指定内存重以行优先(‘C’)还是列优先(‘F’)顺序

2021-08-24 10:18:51 57456 3

原创 tensorflow-gpu安装过程(本人实测有效)

这里写目录标题前言本人安装环境查看需要安装Cudnn和Cuda的版本CUDA安装配置CUDA环境检测是否安装完成Cudnn安装将Cudnn相应文件放到CUDA文件去安装tensorflow-gpu创建tensorflow-gpu环境下载tensorflow-gpu前言在这次装tensorflow-gpu中遇到了很多的问题，花费了不少的时间终于把他装好了，下面我将分享我的安装过程。本人安装环境操作系统：Win10 64位显卡：NVIDIA GeForce GTX 1650 Ti查看需要安装Cudn

2021-08-19 18:00:45 744

原创 np.set_printoptions()用法总结

概述np.set_printoptions()用于控制Python中小数的显示精度。用法np.set_printoptions(precision=None, threshold=None, linewidth=None, suppress=None, formatter=None)1.precision：控制输出结果的精度(即小数点后的位数)，默认值为82.threshold：当数组元素总数过大时，设置显示的数字位数，其余用省略号代替(当数组元素总数大于设置值，控制输出值得个数为6个，当数组

2021-08-18 17:15:13 24697 2

原创 tf.reduce_mean()用法总结

概述tf.reduce_mean()用于计算tensor(张量)沿着指定的数轴(即tensor的某一维度)上的平均值，用作降维或者计算tensor的平均值。用法tf.reduce_mean(input_tensor, axis=None, keepdims=False, name=None)keep_dims为旧版写法1.input_tensor：输入待降维的tensor2.axis：指定的轴，默认为计算所有元素的均值3.keepdims：是否降低维度，默认值为False。(当为True时，

2021-08-18 16:17:38 11924

原创 Tensorflow2.0的tf.keras中batch()、map()、shuffle()、repeat()用法总结

概述1.batch()：batch在阴影数据时按size大小输出迭代。2.map()：map用法和在Python中基本相同，接受一个函数对象参数，使用Dataset读取的每个数据都会被作为这个函数对象的参数进行计算输出，组成新的数据集。3.shuffle()：shuffle作用于打乱数据集中的元素。4.repeat()：repeat将数据集重复多次用法1.batch(size)import tensorflow as tfimport numpy as npdataset = tf.da

2021-08-18 10:51:52 1839

原创 np.random.uniform()函数用法总结

概述np.random.uniform()作用于从一个均匀分布的区域中随机采样。用法np.random.uniform(low, high ,size)```其形成的均匀分布区域为[low, high)``1.low：采样区域的下界，float类型，默认值为02.high：采样区域的上界，float类型，默认值为13.size：输出样本的数目(int类型或者tuple类型)4.返回对象：ndarray类型，形状和size中的数值一样举例import numpy as npX = n

2021-08-17 10:47:09 40048 11

原创 tf.data.Dataset.from_tensor_flices()用法总结

概述tf.data.Dataset.from_tensor_slices作用于切分传入Tensor的第一个维度。生成相应的dataset。用法1.传入的数据为矩阵，假如它的形状为(6,3) ，tf.data.Dataset.from_tensor_slices会将其切分矩阵的第一维度，最后生成的dataset含有6个元素，每个元素的形状为(3， )，即每个元素是矩阵的一行。import tensorflow as tfimport numpy as npdataset = tf.data.Da

2021-08-17 09:45:24 247

原创 Python next函数用法总结

概述next()函数用于取出可迭代对象的元素，一般与iter()函数联合使用。用法一next(iterobject, defalt)1.iterobject：可迭代的对象2.default：可选当第二个参数不写入的时候，如果可迭代的元素全部取出来后，会返回Stoplteration的异常；当第二个参数写入的时候，可迭代对象完之后，会一直返回第二个参数写的数值例子list = ['a', 'b', 'c']elm = iter(list)next(elm)OUT:list = [

2021-08-13 23:11:06 12421

原创 tf.cast()用法总结

概述tf.cast()函数用于执行tensorflow中张量数据类型转换。用法tf.cast(x, dtype, name=None)1.x：待转换的数据(张量)2.dtype：目标数据类型3.name：可选参数，定义操作的名称数据类型数据类型Python 类型说明DT_FLOATtf.float3232 位浮点数.DT_DOUBLEtf.float6464 位浮点数.DT_INT64tf.int6464 位有符号整型.DT_INT32

2021-08-13 16:48:09 4118

原创 AttributeError: module ‘tensorflow‘ has no attribute ‘Session‘错误解决

问题产生原因在Tensorflow无法识别Session这一属性并不是Tensorflow中出现安装错误或者一些包的丢失，而是因为在新的Tensorflow2.0以上的版本已经移除了这一模块，并使用新的模型来代替了。解决方案tf.compat.v1.disable_eager_execution()这样问题就能解决了。希望这篇文章对大家的学习有所帮助！...

2021-08-13 16:39:31 760

原创 numpy.take()用法总结

概述take用于根据提供的索引值将元素形成数组输出。用法numpy.take(a, indices, axis=None, out=None, mode='raise')如果indices不是一维数组时当axis不是None时，此函数与“fancy”索引（使用数组索引数组）的功能相同; 但是，如果您需要沿给定轴的元素，则可以更容易使用。如果a是一个numpy array，a.take(m, 1)表示取每一行的第m个值；a.take(m, 0)表示取第m行。希望这篇文章对大家的学习有所帮

2021-08-13 08:34:56 904

原创 Matplotlib imshow()函数用法总结

概述Matplotlib中的imshow函数用于绘制热图。(热图：时数据分析常用的方法。通过色差、亮度来展示数据的差异，容易理解)用法imshow(X, cmap=None, norm=None, aspect=None, interpolation=None, alpha=None, vmin=None, vmax=None, origin=None, extent=None, shape=None, filternorm=1, filterrad=4.0, imlim=None, resample

2021-08-12 18:18:30 9922

原创 tf.io.read_file()用法总结

概述tf.io.read_file()函数用于读取文件，相当于python的open()函数。通常与tf.io.decode_jdeg()、tf.io.decode_image()搭配使用，用来读取图片。用法tf.io.read_file(filename, name=None)1.filename：Tensor类型的string或者python字符串2.name：名称(可选)返回值：Tensor类型的string代码演示：import tensorfflow as tfimg_ten

2021-08-12 17:03:18 6412

原创 Python enumerate用法总结

概述enumerate()是Python的内置函数，对于一个可迭代的或者可遍历的对象，它能够将其组成一个索引序列(多用在for循环中计数)，返回的是一个enumerate对象。用法我们要对一个列表既要进行索引又要进行遍历元素的操作时，未学习enumerate前，我们通常会这样写：list = ["zky", "cww", "ljy", "lmq"]for i in range (len(list)): print(i, list[i])但是这样的写法看着有点复杂，而enumerate

2021-08-12 16:21:07 1121

原创用户行为分析的背景以及几种模型分析、实例分析——淘宝用户行为分析

1. 绪论1.1了解用户行为分析随近几年来，大数据不断发展，大数据成为了一个热门的行业，应用在各个领域。用户行为分析就是其中的一个应用方向。随着智能设备的快速发展，人们的生活已经离不开智能设备了。人们花费在智能设备的大部分时间在购物平台上面，而我们在购物平台上浏览信息会产生不同的信息来反应我们的行为。用户行为信息在电商平台十分重要，通过用户行为分析，能够了解用户的情况，比如：他们不同的生活习惯、文化背景、生活位置等等这些信息都会影响他们的行为。那么什么是用户行为分析？用户行为信息指的是在获得网站或

2021-08-11 18:02:37 7812 2

实例——淘宝用户行为分析

空空如也